旁遮普邦20万页议会档案不再被OCR噪声卡住：智能体检索循环把答案F1从约0.18提到约0.35
印度旁遮普邦议会1950至2024年的约20万页档案以印地语、旁遮普语和英语混排扫描件保存，版面破碎与OCR错误会一路传到检索和问答。该系统把版面分割、多文字OCR与智能体检索增强生成串成一条流水线，由评估模型判断检索到的证据是否够用，不够就改写查询再检索。在1000页、200条人工标注问答的分层评测集上，优化流水线的MRR@1为0.810、Hit@3为0.925；把检索—改写迭代上限从1提到3，答案F1从约0.18升到约0.35。